- Embora esteja se espalhando no setor de venture capital o consenso de que a IA transformará empresas de serviços em empresas de software, na prática empresas de serviços estão se tornando empresas de serviços melhores, e não se transformando em empresas de software
- Uma parte significativa dos gastos com serviços profissionais não é paga pela qualidade do entregável, mas por transferência de responsabilidade, confiabilidade e credenciais, uma área difícil de substituir com IA
- A expansão de margem trazida pela adoção de IA pode ser temporária, devido à adoção pelos concorrentes e à pressão dos clientes para repasse da economia de custos; margens sustentáveis existem na camada de confiança e responsabilidade profissional
- Ferramentas de IA acabam gerando o paradoxo de prender profissionais de elite às empresas incumbentes, enquanto a competição por talentos entre empresas AI-native corrói a vantagem de margem
- Como o mercado de serviços é 20 a 70 vezes maior que o mercado de software, mesmo sem margens no nível de software ainda é possível alcançar resultados em escala de venture por meio da propriedade da responsabilidade e do relacionamento com o cliente
O consenso do setor de venture de que a IA transformará serviços em software
- Vários VCs conhecidos definem isso como uma oportunidade de US$ 4,6 trilhões em "Service as Software"
- A General Catalyst alocou US$ 1,5 bilhão para adquirir empresas de serviços em áreas como jurídico, TI e contabilidade e aplicar IA
- A Thrive Capital lançou um fundo de mais de US$ 1 bilhão para adquirir e “AIzar” empresas de serviços; a OpenAI adquiriu participação e envia engenheiros diretamente para empresas do portfólio
- Lógica central: o mercado global de serviços vale US$ 16 trilhões, enquanto o mercado de software vale US$ 1 trilhão; se a IA puder levar margens de software (70–85%) aos serviços, a criação de valor será enorme
- As margens de empresas de serviços profissionais ficam em torno de 30–40% em um bom dia
O excedente de TAM existe, mas nem tudo é acessível
- Em quase todas as categorias de serviços profissionais, o mercado de software representa apenas uma parte do mercado de serviços, e esse excedente de TAM é um fato conhecido
- Porém, tratar o excedente de TAM como se fosse automaticamente uma oportunidade acessível é o erro mais comum nesse setor
- Uma parte significativa dos gastos com serviços profissionais se baseia em razões que não têm relação com o entregável em si
- Empresas contratam as Big Four não pelo valor da auditoria em si, mas para garantir uma posição defensável de que "seguiram orientação especializada" caso surja um problema
- Contratam consultoria jurídica externa que os reguladores conhecem e em que confiam
- Usam consultores para recomendar reestruturações de forma independente, diluindo a responsabilidade da liderança interna
- Isso não é ineficiência, mas uma função embutida na forma como serviços profissionais operam
- Também existe a questão de confiabilidade e validação externa
- Quando um CFO anuncia uma reestruturação de remuneração, é muito mais fácil dizer “segundo os dados de mercado da McLagan” do que “segundo nossa análise interna”
- O prêmio é cobrado não pela informação, mas pela credibilidade da fonte
- A IA pode executar o trabalho analítico, mas não consegue exercer a função de absorver responsabilidade
- Um conselho não pode apontar para um modelo de IA e dizer: “confiamos em orientação especializada”
- A pergunta central: qual é a proporção do TAM de serviços que corresponde de fato à qualidade do entregável, e qual parte corresponde a transferência de responsabilidade, escudo político e credenciais
- O mercado de serviços acessível por IA pode ser significativamente menor do que os números de manchete sugerem
- Ao mesmo tempo, isso atua como um fator de diferenciação para empresas de serviços que detêm o relacionamento com o cliente e a responsabilidade
O problema da sustentabilidade da expansão de margem
- Mesmo dentro do TAM acessível, a expansão de margem pode ser parcialmente temporária
- Quando concorrentes adotam as mesmas capacidades de IA, o serviço passa a ser comoditizado pelo preço
- Quando os clientes percebem que a IA faz o trabalho antes feito por equipes juniores, passam a exigir repasse da redução de custos
- Margens sustentáveis existem na camada de prêmio e responsabilidade que fica acima do entregável automatizado por IA
- Exemplo comparativo: uma empresa de contabilidade que automatiza o trabalho tributário e repassa a economia ao cliente (margem de 60%) versus uma empresa que faz a mesma automação, mas ainda tem um CPA assinando a declaração, mantém seguro E&O e é dona do relacionamento com o cliente (margem de 45%)
- A primeira é vulnerável a qualquer concorrente com acesso ao mesmo modelo; a segunda tem um fosso estrutural de confiança e responsabilidade profissional que a IA sozinha não consegue replicar
- A pressão competitiva não vem só de startups
- A Anthropic lançou o Claude for Excel, com tecnologia de agentes pré-construídos para modelagem DCF, análise de comparáveis e data packs de due diligence, além de conectores para S&P Capital IQ, Moody's e PitchBook
- A OpenAI anunciou uma parceria plurianual "Frontier Alliance" com Accenture, BCG, Capgemini e McKinsey para implantar agentes diretamente em fluxos de trabalho corporativos
- As empresas de foundation models estão atacando diretamente os workflows, sem esperar que startups construam a camada de serviços
- Se a próxima geração de modelos puder concluir de forma autônoma papéis de trabalho de auditoria ou documentos jurídicos, “serviços com IA” serão um estado transitório, não o destino final
- Foundation models podem replicar o entregável, mas não conseguem replicar relações profissionais, cobertura E&O nem credenciais regulatórias
O crescimento ainda depende de pessoas
- A IA eleva o teto do que cada indivíduo consegue processar, mas não elimina a necessidade de pessoas
- Em uma empresa de auditoria baseada em IA, um CPA pode gerenciar muito mais trabalho do que antes, mas o CPA continua sendo necessário
- A curva de expansão de margem deve sofrer retornos decrescentes; os maiores ganhos acontecem no começo e depois se estabilizam rapidamente
- Se as margens estagnarem em 55–65%, isso ainda é muito atraente em um mercado de US$ 87 bilhões ou acima de US$ 1 trilhão, mas o ponto exato de estabilização é incerto, e esse é o risco central
- O talento do qual essas empresas dependem é escasso e está ficando mais caro
- Ferramentas de IA podem até piorar essa situação
- Exemplo no jurídico: ferramentas verticais de IA como Harvey e Legora são vendidas diretamente a profissionais de elite em firmas existentes, aumentando sua produtividade no posto atual
- Se um sócio de Big Law usa IA para lidar com 3 vezes mais casos, ganha mais, faz trabalho mais interessante e tem menos motivo para sair
- Ferramentas que deveriam desestabilizar firmas incumbentes acabam prendendo o talento a elas
- Várias empresas jurídicas AI-native competem entre si para contratar os mesmos sócios
- Se 10 empresas AI-native financiadas por VC levantam muito capital na mesma categoria, há inflação do custo de talentos no lado da oferta por causa do pool finito de profissionais credenciados, e pressão de preços no lado da demanda pelos mesmos clientes
- A vantagem de margem que tornava o modelo atraente acaba corroída não só pelas incumbentes, mas também por outras startups com o mesmo playbook
- O paradoxo clássico de um consenso de investimento: quanto mais capital persegue a tese, mais difícil fica executá-la
Qual modelo de negócio é mais vantajoso
- A principal pergunta para um investidor early-stage não é “isso vai virar uma empresa de software?”, mas “esse fundador consegue construir alavancagem suficiente para sustentar margem bruta acima de 50% e receita recorrente em escala?”
- Se há defensibilidade baseada em custo de troca via fosso de dados, relação de responsabilidade e controle do workflow
- Em um mercado jurídico de mais de US$ 1 trilhão ou um mercado contábil de US$ 650 bilhões, isso pode ser possível; em um nicho de US$ 3 bilhões, é difícil
-
Vender ferramentas de IA para empresas de serviços existentes
- Essas empresas são pequenas, fragmentadas e resistentes à mudança
- Se já são rentáveis, não há urgência para adotar nova tecnologia
- É preciso uma forcing function
- A contabilidade é o exemplo mais claro: desde 2020, mais de 300 mil contadores mudaram de emprego, 75% dos CPAs estão próximos da idade de aposentadoria, e as empresas já recusam trabalho
- Quando a alternativa é perder receita, a receptividade a ferramentas de IA sobe rapidamente
- Motivo para investir na Basis e na InScope: ambas vendem ferramentas de IA para profissionais de contabilidade e, embora não assumam diretamente a responsabilidade, ficam profundamente embutidas no workflow graças à forcing function, conquistando uma defensibilidade em que trocar se torna operacionalmente doloroso
-
Construir do zero uma empresa de serviços AI-native
- Isso significa pedir ao cliente que confie em uma startup para um trabalho que antes confiava a empresas com décadas de marca, relações regulatórias e qualificações profissionais
- É uma barreira íngreme, especialmente em serviços em que a dinâmica de transferência de responsabilidade é forte
- A rota AI-native faz mais sentido em setores onde é melhor possuir a operação em si e contornar a questão da confiança, em vez de vender serviços com uma marca ainda não validada
- Corretagem de seguros é um bom exemplo: no caso da DocShield, corretagem de seguros é um negócio de alta qualidade com clientes recorrentes e churn muito baixo, mas fazer roll-up é ineficiente em capital porque até corretoras pequenas são caras (uma corretora com EBITDA de US$ 2 milhões é negociada a múltiplos acima de 10x)
- A corretora média de porte intermediário tem cerca de 0,5 funcionário de TI e vive em sistemas fechados de gestão de agências, o que também dificulta vender software
- Possuir a corretora e construir sistemas de IA de ponta a ponta é o único caminho realmente racional
-
Estratégia de roll-up
- Roll-up não é uma estratégia ruim, mas se encaixa melhor em private equity, com estrutura de fundo, horizonte de holding e playbook operacional desenhados para esse tipo de transformação de ativos
- Dentro de timelines e estruturas de capital de VC, a execução é muito mais difícil
- Ainda assim, há casos em que a dinâmica do mercado torna o roll-up apropriado
- A Meroka atua em consultórios médicos independentes: consultórios individuais enfrentam uma crise estrutural, não conseguem competir com grandes operadores, não têm poder de barganha e, quando médicos mais velhos se aposentam, não existe plano de sucessão
- A Meroka converte consultórios em employee ownership trusts, garantindo independência permanente em relação a PE, e introduz tecnologia moderna e IA por meio de uma organização de serviços gerenciados
- Isso não pode ser resolvido só com software; sem intervenção, a IA pode até acelerar a consolidação e agravar o problema com PE
- O employee ownership trust forma a relação de responsabilidade e a defensibilidade, enquanto a camada de serviços gerenciados gera receita recorrente que escala a cada novo consultório; a crise estrutural funciona como forcing function e transforma a adoção em algo urgente, e não opcional
Conclusão
- É possível gerar grandes retornos de VC com empresas de serviços movidas por IA, mas não há ilusão de que essas empresas terão o mesmo perfil de margem do software ou de que o TAM de serviços permanecerá estático diante da reconfiguração provocada pela IA
- Existe um teto intrínseco
- A abordagem errada é ignorar essas empresas “porque não são software” ou investir nelas fingindo que no fim vão se tornar software
- A abordagem correta é avaliá-las como elas são: empresas de serviços com alavancagem de IA, em mercados enormes, com margens em melhora e receitas cada vez mais recorrentes
- Do ponto de vista do investidor early-stage, nada mudou em essência
- Em pre-seed e seed, sempre se investiu na trajetória de margem, não na margem atual
- A diferença é que a IA oferece um vento estrutural favorável para expansão de margem bruta que empresas de serviços tradicionais não tinham
- O framework que tornou software atraente para investidores: mercado grande, margens altas, receita recorrente, baixo custo de escala
- Empresas de serviços com IA não cumprem tudo isso, mas se tiverem margens acima de 50%, relacionamentos recorrentes com clientes e defensibilidade baseada na posse da responsabilidade e da relação com o cliente em mercados 20 a 70 vezes maiores que seus equivalentes em software, isso já basta
- Serviços não vão se tornar software, mas vão ficar mais próximos de software — e, em mercados desse tamanho, isso é suficiente
3 comentários
Serviços são o novo software
Então este texto foi escrito em oposição àquele que a Sequoia havia publicado.
Se o motivo de usar uma consultoria é poder dizer “o consultor A, que tem autoridade, mandou fazer assim (não foi culpa minha)”, então isso ainda não deve ser substituível só por IA por enquanto.
Mas, daqui a alguns anos, ao ver algo funcionando de um jeito estranho e chamar alguém para perguntar “que commit é esse?”, vai ser terrível se o subordinado responder “foi o Claude que programou assim (não foi culpa minha)”.
Parece que isso já é um fenômeno que está surgindo aos montes, não daqui a alguns anos haha